Набор данных из 30 миллиардов изображений, созданный игроками Pokémon Go, теперь используется для обучения роботов

1773662655
2026-03-16 11:51:00

Когда игра дополненной реальности Покемон Го выпущенная в 2016 году, она быстро стала одной из самых популярных мобильных игр в мире. Миллионы игроков исследовали реальные локации с помощью камер своих смартфонов, чтобы запечатлеть виртуальных существ, помещенных в физическую среду. То, что казалось игровым феноменом, теперь превратилось в эффективный технологический ресурс.

Эта разработка объясняет, как крупномасштабные краудсорсинговые данные, генерируемые с помощью потребительских приложений, могут позже стать основой для передовых технологий искусственного интеллекта и робототехники.

Механизм сбора данных, лежащий в основе Pokémon Go

Pokémon Go была разработана как игра дополненной реальности, которая требовала от игроков физического перемещения в реальной среде, просматривая свое окружение через камеру смартфона. Цифровые покемоны были наложены на реальные места, такие как парки, памятники и общественные достопримечательности.

© Watson/- через Getty Images

Во время игры игроки часто сканировали или фотографировали реальные локации, известные как покестопы и тренажерные залы, для выполнения внутриигровых задач или исследовательской деятельности. В ходе этих сканирований были получены изображения вместе с метаданными от датчиков устройства, включая координаты GPS, ориентацию камеры, данные о движении и контекст окружающей среды.

Если рассматривать их по отдельности, эти взаимодействия выглядели как обычная игровая механика. Однако, объединившись с миллионами пользователей по всему миру, они создали огромное хранилище визуальных и пространственных данных, представляющих городскую среду. Данные захватывали изображения под разными углами, при различных условиях освещения, погодных условиях и времени суток, предоставляя весьма разнообразный учебный материал для систем компьютерного зрения.

© @hidden.ny

По данным Niantic, компании, создавшей Pokémon Go, полученный набор данных содержит около 30 миллиардов изображений, связанных с точной пространственной информацией, эффективно формируя крупномасштабную визуальную карту реальных мест.

Создание системы визуального позиционирования (VPS)

Технология, называемая системой визуального позиционирования (VPS), была обучена с использованием данных Pokémon Go. VPS — это метод навигации на основе компьютерного зрения, который определяет точное местоположение устройства путем анализа визуальных особенностей окружающей среды, таких как здания, знаки и ориентиры.

© Ниантик Пространственный

Сообщается, что система VPS Niantic использует набор данных Pokémon Go для локализации устройств. в пределах нескольких сантиметров путем сопоставления изображений с камеры с сохраненной визуальной картой.

Эта возможность особенно полезна в густонаселенных городских районах, где сигналы GPS часто ненадежны из-за помех от высоких зданий – явления, обычно называемого эффект «городского каньона».

Применение в автономных роботах-доставщиках

Набор данных в настоящее время используется в партнерстве между Ниантик Пространственныйподразделение пространственных вычислений Niantic, и Коко Робототехникакомпании, которая разрабатывает небольших автономных роботов, предназначенных для доставки на короткие расстояния.

© Коко Роботикс

Эти роботы работают на тротуарах, доставляя еду и продукты. Они оснащены камерами, которые постоянно сканируют окрестности. Сравнивая эти изображения с базой данных VPS, обученной на основе сканирований Pokémon Go, роботы могут определить свое точное местоположение и ориентацию относительно зданий и других ориентиров.

Эта визуальная локализация помогает роботам более надежно ориентироваться на городских улицах, особенно в тех районах, где один только GPS может давать неточные показания местоположения.

© Коко Роботикс

Масштаб краудсорсингового набора данных

Масштаб набора данных — одна из его наиболее важных технологических особенностей. После запуска Pokémon Go привлекла сотни миллионов игроков по всему миру, достигнув примерно 230 миллионов активных пользователей в месяц на пике популярности.

Поскольку игроки снимали изображения с разных устройств и с разных ракурсов, набор данных включает в себя несколько видов одного и того же места. Эти многопредставленные данные позволяют моделям машинного обучения строить 3D-представления физической средычто позволяет системам искусственного интеллекта понимать пространственные отношения между объектами и структурами.

Многие изображения сосредоточены вокруг более чем миллион часто посещаемых местсоздавая плотный визуальный охват городских достопримечательностей и общественных пространств.

Такие наборы данных ценны для обучения роботизированные системы восприятиякоторый должен распознавать и интерпретировать реальную среду для безопасной работы.

Последствия для робототехники и пространственного искусственного интеллекта

Использование данных Pokémon Go представляет собой более широкую тенденцию в робототехнике и искусственном интеллекте: развитие модели мира которые позволяют машинам понимать физический мир. Крупномасштабные наборы визуальных данных предоставляют учебный материал, необходимый этим системам, чтобы научиться распознавать объекты, ориентироваться в пространстве и интерпретировать сложную среду.

Для роботов-доставщиков улучшенное пространственное понимание может привести к более надежной навигации, уменьшению задержек доставки и более безопасному взаимодействию с пешеходами. Технология может также поддерживать другие приложения, включая устройства дополненной реальности, картографические системы и автономные транспортные средства.

Однако разработка также вызвала дискуссии об использовании данных и конфиденциальности, поскольку многие игроки не знали, что их игровые взаимодействия в конечном итоге будут способствовать созданию крупномасштабного набора данных, используемого для исследований в области робототехники и коммерческих приложений.

© @hidden.ny

Этот случай демонстрирует, как потребительские технологические платформы могут генерировать огромные наборы данных, которые впоследствии станут ценными для таких областей, как робототехника, пространственные вычисления и машинное обучение. Поскольку компании продолжают разрабатывать технологии, основанные на восприятии реального мира, краудсорсинговые данные могут все чаще играть центральную роль в обучении систем искусственного интеллекта, которые работают в физической среде.

#Набор #данных #из #миллиардов #изображений #созданный #игроками #Pokémon #теперь #используется #для #обучения #роботов